MiniMax-M1: Escalando el Cómputo en Tiempo de Prueba de Manera Eficiente con Atención Relámpago

MiniMax-M1: Scaling Test-Time Compute Efficiently with Lightning Attention

June 16, 2025

Autores: MiniMax, Aili Chen, Aonian Li, Bangwei Gong, Binyang Jiang, Bo Fei, Bo Yang, Boji Shan, Changqing Yu, Chao Wang, Cheng Zhu, Chengjun Xiao, Chengyu Du, Chi Zhang, Chu Qiao, Chunhao Zhang, Chunhui Du, Congchao Guo, Da Chen, Deming Ding, Dianjun Sun, Dong Li, Enwei Jiao, Haigang Zhou, Haimo Zhang, Han Ding, Haohai Sun, Haoyu Feng, Huaiguang Cai, Haichao Zhu, Jian Sun, Jiaqi Zhuang, Jiaren Cai, Jiayuan Song, Jin Zhu, Jingyang Li, Jinhao Tian, Jinli Liu, Junhao Xu, Junjie Yan, Junteng Liu, Junxian He, Kaiyi Feng, Ke Yang, Kecheng Xiao, Le Han, Leyang Wang, Lianfei Yu, Liheng Feng, Lin Li, Lin Zheng, Linge Du, Lingyu Yang, Lunbin Zeng, Minghui Yu, Mingliang Tao, Mingyuan Chi, Mozhi Zhang, Mujie Lin, Nan Hu, Nongyu Di, Peng Gao, Pengfei Li, Pengyu Zhao, Qibing Ren, Qidi Xu, Qile Li, Qin Wang, Rong Tian, Ruitao Leng, Shaoxiang Chen, Shaoyu Chen, Shengmin Shi, Shitong Weng, Shuchang Guan, Shuqi Yu, Sichen Li, Songquan Zhu, Tengfei Li, Tianchi Cai, Tianrun Liang, Weiyu Cheng, Weize Kong, Wenkai Li, Xiancai Chen, Xiangjun Song, Xiao Luo, Xiao Su, Xiaobo Li, Xiaodong Han, Xinzhu Hou, Xuan Lu, Xun Zou, Xuyang Shen, Yan Gong, Yan Ma, Yang Wang, Yiqi Shi, Yiran Zhong, Yonghong Duan, Yongxiang Fu, Yongyi Hu, Yu Gao, Yuanxiang Fan, Yufeng Yang, Yuhao Li, Yulin Hu, Yunan Huang, Yunji Li, Yunzhi Xu, Yuxin Mao, Yuxuan Shi, Yuze Wenren, Zehan Li, Zelin Li, Zhanxu Tian, Zhengmao Zhu, Zhenhua Fan, Zhenzhen Wu, Zhichao Xu, Zhihang Yu, Zhiheng Lyu, Zhuo Jiang, Zibo Gao, Zijia Wu, Zijian Song, Zijun Sun

cs.AI

Resumen

Presentamos MiniMax-M1, el primer modelo de razonamiento a gran escala con atención híbrida y pesos abiertos del mundo. MiniMax-M1 está impulsado por una arquitectura híbrida de Mixture-of-Experts (MoE) combinada con un mecanismo de atención relámpago. El modelo se desarrolló basándose en nuestro modelo anterior, MiniMax-Text-01, que contiene un total de 456 mil millones de parámetros, con 45.9 mil millones de parámetros activados por token. El modelo M1 admite de forma nativa una longitud de contexto de 1 millón de tokens, 8 veces el tamaño de contexto de DeepSeek R1. Además, el mecanismo de atención relámpago en MiniMax-M1 permite un escalado eficiente del cómputo en tiempo de prueba. Estas propiedades hacen que M1 sea especialmente adecuado para tareas complejas que requieren procesar entradas largas y un razonamiento extenso. MiniMax-M1 se entrena utilizando aprendizaje por refuerzo (RL) a gran escala en diversos problemas, incluyendo entornos de ingeniería de software basados en sandbox y del mundo real. Además de la ventaja inherente de eficiencia de M1 para el entrenamiento con RL, proponemos CISPO, un novedoso algoritmo de RL para mejorar aún más la eficiencia del RL. CISPO recorta los pesos de muestreo de importancia en lugar de las actualizaciones de tokens, superando a otras variantes competitivas de RL. La combinación de atención híbrida y CISPO permite que el entrenamiento completo de RL de MiniMax-M1 en 512 GPUs H800 se complete en solo tres semanas, con un costo de alquiler de apenas $534,700. Lanzamos dos versiones de los modelos MiniMax-M1 con presupuestos de pensamiento de 40K y 80K respectivamente, donde el modelo de 40K representa una fase intermedia del entrenamiento de 80K. Los experimentos en benchmarks estándar muestran que nuestros modelos son comparables o superiores a modelos de pesos abiertos fuertes como el original DeepSeek-R1 y Qwen3-235B, con fortalezas particulares en ingeniería de software compleja, utilización de herramientas y tareas de contexto largo. Publicamos MiniMax-M1 en https://github.com/MiniMax-AI/MiniMax-M1.

English

We introduce MiniMax-M1, the world's first open-weight, large-scale hybrid-attention reasoning model. MiniMax-M1 is powered by a hybrid Mixture-of-Experts (MoE) architecture combined with a lightning attention mechanism. The model is developed based on our previous MiniMax-Text-01 model, which contains a total of 456 billion parameters with 45.9 billion parameters activated per token. The M1 model natively supports a context length of 1 million tokens, 8x the context size of DeepSeek R1. Furthermore, the lightning attention mechanism in MiniMax-M1 enables efficient scaling of test-time compute. These properties make M1 particularly suitable for complex tasks that require processing long inputs and thinking extensively. MiniMax-M1 is trained using large-scale reinforcement learning (RL) on diverse problems including sandbox-based, real-world software engineering environments. In addition to M1's inherent efficiency advantage for RL training, we propose CISPO, a novel RL algorithm to further enhance RL efficiency. CISPO clips importance sampling weights rather than token updates, outperforming other competitive RL variants. Combining hybrid-attention and CISPO enables MiniMax-M1's full RL training on 512 H800 GPUs to complete in only three weeks, with a rental cost of just $534,700. We release two versions of MiniMax-M1 models with 40K and 80K thinking budgets respectively, where the 40K model represents an intermediate phase of the 80K training. Experiments on standard benchmarks show that our models are comparable or superior to strong open-weight models such as the original DeepSeek-R1 and Qwen3-235B, with particular strengths in complex software engineering, tool utilization, and long-context tasks. We publicly release MiniMax-M1 at https://github.com/MiniMax-AI/MiniMax-M1.